Python --使用“部分”来解决后期绑定问题--成本与收益之间的关系？

Question

备注:我是在问是否有一种Pythonic方法可以做到这一点(使用默认的args似乎比使用部分方法要少)，如果这两种方法都有很大的限制(“成本”--我不认为时间会有很大的不同，但也许还有其他的限制，我没有看到平衡倾向于一种方法而不是另一种方法)。

我正试图理解在后期绑定的情况下使用“部分”的成本，因为lambda是不可行的。我创建了一些示例代码基于本指南来举例说明这一点。

由于延迟绑定，以下内容无法正常工作：

def create_thingies():
    thingies = []
    for i in range(1,6):
        def thingy(x):
            print("Some output", i)
            return i ** (x * i)
        thingies.append(thingy)
    return thingies

results=[]
for thingy in create_thingies():
    results.append(thingy(2))
print(results)

输出：

Some output 5
Some output 5
Some output 5
Some output 5
Some output 5
[9765625, 9765625, 9765625, 9765625, 9765625]

使用“部分”可以避免这个问题，但代价是什么呢？

from functools import partial
def create_thingies():
    thingies = []
    for i in range(1,6):
        def thingy(i, x):
            print("Some output", i)
            return i ** (x * i)
        thingies.append(partial(thingy, i))
    return thingies

results=[]
for thingy in create_thingies():
    results.append(thingy(2))
print(results)

输出：

Some output 1
Some output 2
Some output 3
Some output 4
Some output 5
[1, 16, 729, 65536, 9765625]

在这里，我看到了很多关于lambda和的讨论，但是在这样的情况下，lambda将不能很好地工作(一个非常复杂的函数)，如果(包含更多表达式的函数)是部分的话，或者还有更好的方法来强迫它成为lambda表达式呢？

Answer 1

使用partial，不需要为i的每个值定义一次thingy，因为thingy不使用任何空闲/全局变量，而只使用它的参数。

from functools import partial

def thingy(i, x):
    print("Some output", i)
    return i ** (x * i)

thingies = [partial(thingy, i) for i in range(1,6)]
results = [th(2) for th in thingies]
print(results)

至于成本，你应该分析一下，看看性能是否可以接受。

下面是一个比较三个选项的快速测试：

import timeit

# The fastest: define a function using a default parameter value
print timeit.timeit('results = [ th(2) for th in create_thingies()]', '''
def create_thingies():
    thingies = []
    for i in range(1,6):
        def thingy(x,i=i):
            #print("Some output", i)
            return i ** (x * i)
        thingies.append(thingy)
    return thingies
''')

# The slowest, but IMO the easiest to read.
print timeit.timeit('results = [ th(2) for th in create_thingies()]', '''
def create_thingies():
    from functools import partial
    def thingy(i,x):
        #print("Some output", i)
        return i ** (x * i)
    return [partial(thingy, i) for i in range(1,6)]
''')

# Only a little slower than the first
print timeit.timeit('results = [ th(2) for th in create_thingies()]', '''
def create_thingies():
    def make_thingy(i):
        def thingy(x):
            #print("Some output", i)
            return i ** (x * i)
        return thingy
    thingies = [make_thingy(i) for i in range(1,6)]
    return thingies
''')

Answer 2

使用默认参数nalue在函数创建时绑定值：

def thingy(x, i=i):
    print("Some output", i)
    return i ** (x * i)

Answer 3

有几种方法可以进行早期绑定。一些最流行的是默认的args、partial和maker函数。至少在我的机器上，使用我的版本的python，它们所花费的时间大致相同。

下面是三种方法中的每一种方法的示例：

import time
from functools import partial
from contextlib import contextmanager

@contextmanager
def timer(what):
    t1 = time.time()
    yield
    print "%-30s: %5d millis" % (what, (time.time() - t1) * 1e3)

N = 5000

print
with timer('create bound'):
    thingies = []
    for i in xrange(N):
        def thingy(x, i=i):
            return i ** (x * i)
        thingies.append(thingy)
with timer('eval bound'):
    for t in thingies:
        t(2)

with timer('create partial'):
    def thingy(i, x):
        return i ** (x * i)
    thingies = [partial(thingy, i) for i in xrange(N)]
with timer('eval partial'):
    for t in thingies:
        t(2)

with timer('create maker'):
    def make_thingy(i):
        def thingy(x):
            return i ** (x * i)
        return thingy
    thingies = [make_thingy(i) for i in xrange(N)]
with timer('eval maker'):
    for t in thingies:
        t(2)

下面是我观察到的时间(Python2.7.6+ Windows + Haswell)：

create bound                  :     5 millis
eval bound                    :  1861 millis
create partial                :     2 millis
eval partial                  :  1832 millis
create maker                  :     2 millis
eval maker                    :  1829 millis

请注意，创建绑定方法的代价更高，但对于所有3个版本来说，调用开销都非常接近。

我通常使用部分函数和maker函数的混合，这取决于给定代码中哪一个最清晰。